LuckyTemplates에서 DISTINCTCOUNT를 사용하여 시간 경과에 따른 고객 수 계산

이 블로그 게시물에서는 LuckyTemplates 내부의 DISTINCTCOUNT와 같은 몇 가지 기능을 사용하여 시간이 지남에 따라 판매하는 고객 수를 계산하는 방법을 살펴보겠습니다. 실제로 계산할 수 있는 몇 가지 방법이 있으므로 몇 가지를 보여주기 위해 짧은 자습서를 만들고 싶었습니다. 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

이 예제에서는 설정한 데이터 모델을 해결하는 방법을 이해하는 것이 중요하므로 설정 방법을 보여 드리겠습니다. 고객 테이블에 COUNT를 배치하는 것만큼 쉽지 않기 때문에 중요합니다. 우리는 시간이 지남에 따라 고객 수가 어떻게 변하는지 보여주고 싶기 때문에 결과가 날짜 테이블로도 필터링되는지 확인해야 합니다.

목차

• DISTINCTCOUNT를 사용하여 고객 수 계산
• 공식 #1: 일일 고객 수 파악
• 공식 #2: 관계를 표시하기 위한 새로운 공식 만들기
• 공식 #3: 확장 테이블 사용
• 데이터 시각화
• 결론

DISTINCTCOUNT를 사용하여 고객 수 계산

이 게시물에서는 비교적 간단한 DAX 수식을 살펴보겠습니다 . 이러한 항목이 논리적으로 계산되는 방식과 DAX가 데이터 모델과 작동하는 방식에 대해 생각해 보세요. 따라서 데이터 모델을 빠르게 검토하겠습니다. 맨 아래에는 Sales 테이블이 있고 맨 위에는 조회 테이블인 Dates 테이블, Products 테이블, Regions 테이블 및 Customer 테이블과 같은 사실 테이블이 있습니다. 이 테이블은 모두 연결되어 있습니다.

하루에 얼마나 많은 고객에게 판매하는지 확인하고 싶습니다. 이것은 우리가 공식과 관련하여 가질 수 있는 약간의 문제를 보여줄 것이지만 몇 가지 방법을 통해 실제로 해결할 수 있는 방법을 보여줄 것입니다. 이렇게 하면 데이터 모델에서 일어나는 일을 이해할 수 있습니다.

공식 #1: 일일 고객 수 파악

가장 먼저 해야 할 일은 실제로 하루에 얼마나 많은 고객에게 판매했는지 확인하는 것입니다. 우리가 할 수 있는 일은 측정값을 만들고 이를 Total Customers 라고 지정한 다음 DISTINCTCOUNT 및 Customer Name을 사용하는 것입니다.

논리적으로 그것이 당신이 해야 할 일이라고 생각하는 것입니다. 매일 우리가 판매하는 고객 수를 세는 것입니다 . 여기서 문제는 우리가 매일 똑같은 결과를 얻고 있다는 것입니다.

우리가 이것을 얻는 이유는 수식이 Customer 테이블로 이동하고 매일 고유한 고객 수를 알려주기 때문입니다. 문제는 Dates 테이블이 Customer 테이블과 전혀 관계가 없다는 것입니다 . 이 두 테이블의 유일한 관계는 Sales 테이블에 대한 것입니다. Dates 테이블에 배치된 모든 단일 필터에 대해 매일 DISTINCTCOUNT를 실행할 때 Customer 테이블에서 아무것도 필터링되지 않으므로 정확히 동일한 결과를 얻습니다.

특정 날짜에 판매한 고객 수를 확인하려면 이 공식을 다소 변경해야 합니다. Date 테이블이 연결된 곳이기 때문에 Sales 테이블을 보는 방식으로 변경해야 합니다 . 일부 컨텍스트가 결과에 배치되면 관계를 통해 아래로 흐르고 연결된 테이블(이 경우 Sales 테이블)로 흐릅니다.

공식 #2: 관계를 표시하기 위한 새로운 공식 만들기

이를 달성하기 위해 다른 수식을 만들고 이름을 Total Customers 2 로 지정합니다 . DISTINCTCOUNT를 다시 사용하지만 Customer 테이블을 사용하는 대신 Sales 테이블 내에서 Customer Name Index를 찾아야 합니다.

이 새 측정값을 테이블로 드래그하면 매일 고유한 고객 이름 인덱스가 몇 개인지 확인할 수 있습니다.

공식 #3: 확장 테이블 사용

그래서 간단한 방법으로 하면 됩니다. 실제로 정확히 동일한 결과를 생성하는 다른 방법이 있습니다. LuckyTemplates에서 응답하는 방법은 한 가지뿐입니다. 원하는 결과를 얻을 수 있는 몇 가지 방법이 있습니다. 때로는 그 이상이 될 수도 있습니다.

다른 측정값을 만들고 이름을 Total Customers 3 으로 지정하겠습니다 . CALCULATE 내에서 수행할 작업은 우리가 생성한 첫 번째 Total Customers 측정값, 즉 매일 50개를 생성하는 측정값을 참조한 다음 전체 Sales 테이블을 필터로 추가하는 것입니다.

엔터를 누르고 테이블로 드래그하면 계산이 조금 더 복잡하기 때문에 계산하는 데 시간이 걸리는 것을 볼 수 있습니다. 그러나 보시다시피 실제로는 올바른 Total Customers 2와 정확히 동일한 결과를 생성합니다.

확장 테이블 이라는 개념 때문입니다 . 여기서 Sales 테이블이 실제로 나타내는 것은 데이터 모델의 전체 플랫 파일입니다. Dates , Products , Regions 및 Customers 를 포함하는 하나의 대규모 플랫 파일이 있습니다 . 이 기법과 이 수식을 활용하여 기본적으로 DAX 언어가 전체 확장된 Sales 테이블에 대해 계산하여 Total Customers 측정값을 다시 계산할 수 있도록 합니다 .

첫 번째 측정에서는 연결이 없었습니다. 따라서 올바른 결과를 생성하기 위해 계산 문 내부의 판매 확장 테이블을 참조하여 세 번째 측정값에 연결을 만들었습니다.

데이터 시각화

일반적으로 영역 차트를 사용하여 시각화를 시작할 수 있도록 우리가 만든 #2 옵션으로 이동합니다.

하루에 실제로 판매하는 고객 수를 시간을 통해 확인할 수 있습니다. LuckyTemplates 내부에 내장된 분석 기능을 사용하여 추세선을 그릴 수도 있습니다. 우리는 하루 평균 8~9명의 고객을 볼 수 있습니다.

이것도 모두 동적이므로 추가하고 싶은 추가 컨텍스트를 가져올 수 있습니다.

우리는 몇 가지 개념을 살펴보았으며 이를 다양한 용도로 사용할 수 있습니다. 고객 대신 제품, 지역 또는 영업 사원이 될 수 있습니다. 핵심은 DISTINCTCOUNT가 수행하는 작업을 이해 하고 배후의 데이터 모델을 이해하여 올바른 결과를 계산하고 있는지 확인하는 것입니다.

결론

이 기술은 흥미로운 통찰력을 생성하며 궁극적으로 이를 다양한 방식으로 활용하고 시각화할 수 있습니다. 떠오르는 한 가지 방법은 시나리오 분석을 통하는 것입니다 . 과거 고객 수에서 예측할 수 있는 예측을 기반으로 판매하는 고객의 수를 늘리면 결과에 어떤 영향을 미칠 수 있는지 확인할 수 있습니다. 예상 평균 판매 가격을 사용하여 이에 대한 시나리오를 실행하여 고객당 평균 가치를 도출할 수 있습니다. 정말 강력한 물건입니다. 이것으로 나와 같은 기회를 볼 수 있기를 바랍니다.

이러한 유형의 통찰력을 시각화할 수 있는 또 다른 방법은 시간에 따른 비교를 보여주는 것입니다. 판매한 고객 수를 누적적으로 표시하고 지난 달 또는 지난 분기와 비교할 수 있습니다. 여기에서 시작한 다음 시간 인텔리전스 기능을 사용하여 '분기'합니다.

과정 에서 이 시간 비교 분석을 완료하기 위해 모든 시간 인텔리전스 기능을 사용하는 방법을 살펴봅니다 .

이것을 구현하는 데 행운을 빕니다. 아래 의견 섹션에 의견이 있으면 알려주십시오.